Skip to main content

Was ist ZK (Zero-Knowledge)

Hinweis: Dieses Dokument ist eine automatische Übersetzung des englischen Originals.

Was ist ZK (Zero-Knowledge)

Zero-Knowledge-Beweise (ZK-Beweise) sind eine kryptografische Technik, die es einer Partei (dem Beweiser) ermöglicht, eine andere Partei (den Verifizierer) davon zu überzeugen, dass eine Aussage wahr ist – ohne irgendeine Information über die Wahrheit der Aussage selbst hinaus preiszugeben. In der Blockchain werden ZK-Beweise für drei Hauptzwecke verwendet: Privatsphäre (Verbergen von Transaktionsdetails bei gleichzeitigem Nachweis ihrer Gültigkeit), Skalierung (Komprimieren vieler Transaktionen zu einem einzigen Beweis, der on-chain verifiziert wird) und verifizierbare Berechnung (Nachweis, dass eine Off-Chain-Berechnung korrekt durchgeführt wurde).

Kurz gesagt: ZK-Beweise lassen dich beweisen, dass etwas wahr ist, ohne zu zeigen, wie oder warum. In Krypto ermöglichen sie private Transaktionen, skalierbare Rollups und verifizierbare KI-Inferenz – alles ohne dass dem Beweiser vertraut werden muss.

Die Kernidee

Das Konzept ist kontraintuitiv: Wie kannst du beweisen, dass du etwas weißt, ohne es preiszugeben? Eine klassische Analogie hilft.

Stell dir eine Höhle mit zwei Pfaden (links und rechts) vor, die sich an einer verschlossenen Tür im hinteren Bereich treffen. Du behauptest, das Passwort für die Tür zu kennen. Um dies zu beweisen, ohne das Passwort preiszugeben, steht ein Verifizierer am Höhleneingang, und du betrittst die Höhle über einen zufälligen Pfad. Der Verifizierer ruft dann, von welcher Seite er möchte, dass du herauskommst. Wenn du das Passwort kennst, kannst du immer von der angeforderten Seite herauskommen – du gehst bei Bedarf durch die Tür. Wenn du das Passwort nicht kennst, kannst du nur von der Seite herauskommen, über die du eingetreten bist. Nach vielen Runden wird der Verifizierer überzeugt, dass du das Passwort kennst, erfährt aber nie, wie das Passwort lautet.

ZK-Beweise formalisieren diese Intuition mathematisch. Sie erfüllen drei Eigenschaften:

  • Vollständigkeit (Completeness). Wenn die Aussage wahr ist und beide Parteien dem Protokoll folgen, wird der Verifizierer überzeugt.
  • Korrektheit (Soundness). Wenn die Aussage falsch ist, kann kein betrügerischer Beweiser den Verifizierer überzeugen (außer mit vernachlässigbarer Wahrscheinlichkeit).
  • Zero-Knowledge. Der Verifizierer erfährt nichts über die Tatsache hinaus, dass die Aussage wahr ist.

Wie ZK-Beweise funktionieren (vereinfacht)

Ein ZK-Beweissystem umfasst diese Schritte:

  1. Formulierung der Aussage. Die zu beweisende Behauptung wird als mathematische Aussage ausgedrückt – typischerweise als Schaltkreis (eine Reihe arithmetischer Operationen) oder als Satz polynomieller Gleichungen.
  2. Witness (Zeuge). Der Beweiser verfügt über private Informationen (den „Witness“), die die Aussage wahr machen. Zum Beispiel könnte der Witness die Eingaben einer Berechnung sein, die einen bekannten Output erzeugt.
  3. Beweiserzeugung. Der Beweiser verwendet den Witness und die Aussage, um einen Beweis zu erzeugen – ein kompaktes mathematisches Objekt. Dies ist für den Beweiser rechenintensiv.
  4. Beweisverifizierung. Der Verifizierer prüft den Beweis gegen die Aussage. Die Verifizierung ist schnell und erfordert den Witness nicht. Wenn der Beweis gültig ist, ist der Verifizierer überzeugt, dass die Aussage wahr ist, ohne den Witness zu erfahren.

Der Beweis ist typischerweise viel kleiner als der Witness, und die Verifizierung ist viel günstiger als die erneute Ausführung der Berechnung. Diese Asymmetrie ist es, die ZK-Beweise für Blockchain-Skalierung und -Verifizierung nützlich macht.

zk-SNARKs und zk-STARKs

Zwei große Familien von ZK-Beweissystemen dominieren den Blockchain-Bereich:

zk-SNARKs

Succinct Non-interactive Arguments of Knowledge. SNARKs erzeugen sehr kleine Beweise (einige hundert Byte), die günstig zu verifizieren sind. Sie sind „nicht-interaktiv“ – der Beweiser erzeugt den Beweis in einem Schritt ohne Hin und Her mit dem Verifizierer. Die meisten SNARK-Konstruktionen erfordern ein Trusted Setup – eine einmalige Zeremonie, die öffentliche Parameter generiert. Wenn das Setup kompromittiert wird, bricht die Korrektheitsgarantie. Moderne SNARKs (wie PLONK und seine Varianten) verwenden ein universelles Trusted Setup, das für jeden Schaltkreis funktioniert, was dieses Anliegen reduziert, aber nicht beseitigt.

zk-STARKs

Scalable Transparent Arguments of Knowledge. STARKs erfordern kein Trusted Setup – sie sind „transparent“. Sie bieten außerdem Post-Quanten-Sicherheit (resistent gegen Angriffe durch Quantencomputer). Der Kompromiss besteht darin, dass STARK-Beweise größer sind als SNARK-Beweise und die Verifizierung etwas teurer ist. STARKs eignen sich besonders für große Berechnungen, weil ihre Beweiserzeit quasi-linear mit der Berechnungsgröße skaliert.

Vergleich

Eigenschaft zk-SNARKs zk-STARKs
Beweisgröße Klein (hunderte Byte) Größer (zehn bis hunderte Kilobyte)
Verifizierungskosten Niedrig Moderat
Trusted Setup Erforderlich (die meisten Konstruktionen) Nicht erforderlich (transparent)
Post-Quanten-Sicherheit Nein (die meisten Konstruktionen) Ja
Beweiserkosten Moderat Höher, skaliert aber besser für große Schaltkreise

In der Praxis verwenden viele Projekte SNARK-basierte Systeme wegen ihrer kleinen Beweisgrößen und niedrigen Verifizierungskosten, während STARKs an Akzeptanz gewinnen, wo Transparenz und Post-Quanten-Sicherheit Priorität haben.

ZK in der Blockchain: wichtige Anwendungen

Privatsphäre

ZK-Beweise ermöglichen private Transaktionen auf öffentlichen Blockchains. Ein Nutzer kann beweisen, dass seine Transaktion gültig ist (korrekte Salden, kein Double-Spending), ohne den Absender, den Empfänger oder den Betrag preiszugeben. Auf Privatsphäre fokussierte Protokolle nutzen dies, um vertrauliche Überweisungen auf ansonsten transparenten Chains zu erstellen.

Skalierung (zk-Rollups)

ZK-Rollups sind Layer-2-Skalierungslösungen, die Transaktionen off-chain ausführen, sie bündeln und einen ZK-Beweis erzeugen, dass der gesamte Batch korrekt verarbeitet wurde. Nur der Beweis und eine Zusammenfassung der Zustandsänderungen werden auf der Basisschicht (Layer 1) gepostet. Der L1-Smart-Contract verifiziert den Beweis und akzeptiert das Zustandsupdate. Dies komprimiert Tausende von Transaktionen zu einer einzigen Beweisverifizierung, was den Durchsatz dramatisch erhöht und zugleich die Sicherheit der Basisschicht erbt. Zu den wichtigsten zk-Rollup-Implementierungen gehören zkSync, StarkNet, Polygon zkEVM, Scroll und Linea.

Mehr zur Layer-2-Skalierung findest du unter L2.

Verifizierbare Berechnung und zkML

ZK-Beweise können verifizieren, dass jede Berechnung korrekt durchgeführt wurde. Dies erstreckt sich auf KI: zkML verwendet ZK-Beweise, um zu verifizieren, dass ein Machine-Learning-Modell einen bestimmten Output aus einer bestimmten Eingabe erzeugt hat, ohne die Modellgewichte oder die Eingabedaten preiszugeben. Ein Smart Contract kann den Beweis on-chain verifizieren und so eine vertrauenslose Garantie schaffen, dass die KI-Inferenz korrekt berechnet wurde.

zkML stellt eine der technisch ambitioniertesten Anwendungen von ZK in der Krypto-KI dar. Es bietet eine mathematische (vertrauenslose) Garantie für korrekte Inferenz, ist aber derzeit aufgrund der Rechenkosten der Beweiserzeugung auf kleine Modelle beschränkt.

Warum ZK für Krypto-KI wichtig ist

ZK-Beweise adressieren zwei kritische Bedürfnisse in der dezentralen KI:

  • Verifizierbare KI. Wenn KI-Inferenz auf nicht vertrauenswürdiger Drittanbieter-Hardware läuft, können ZK-Beweise garantieren, dass das Ergebnis korrekt ist, ohne die Berechnung erneut auszuführen. Dies ist unverzichtbar für On-Chain-Anwendungen, bei denen KI-Outputs Smart-Contract-Aktionen auslösen.
  • Privatsphäre. ZK-Beweise ermöglichen KI-Berechnungen, bei denen das Modell, die Eingabe oder beides privat bleiben. Ein Nutzer kann ein KI-generiertes Ergebnis erhalten, ohne dass der Compute-Anbieter die Anfrage sieht, und ein Modellinhaber kann beweisen, dass sein Modell verwendet wurde, ohne die Gewichte preiszugeben.

Im DecAIHub-Bewertungsframework dient ZK-basierte Verifizierung als Indikator für echte On-Chain-KI-Integration – sie schafft eine mathematisch verifizierbare Verbindung zwischen Off-Chain-KI-Berechnung und On-Chain-Zustand.

Wo es in DecAIHub-Projektkarten erscheint

ZK-bezogene Funktionen tauchen an mehreren Stellen auf:

  • AI component – Werte wie „zkML inference“, „ZK-verified computation“ oder „zero-knowledge proof of inference“ weisen auf ZK-basierte KI-Verifizierung hin.
  • Category – Projekte, die ZK für KI verwenden, können in den Kategorien AI/Inference oder AI/Compute erscheinen, mit ZK als Verifizierungsmechanismus.
  • Evidence-Tabelle – Tier-1-Belege für ZK umfassen bereitgestellte Verifizierer-Contracts, veröffentlichte Beweis-Benchmarks, Schaltkreis-Implementierungen und On-Chain-Verifizierungstransaktionen.
  • On-Chain-Artefakte – ZK-Verifizierer-Contracts on-chain sind konkrete Belege für echte ZK-Integration und tragen zur Dimension Onchain necessity bei.

Was ZK nicht beweist

  • ZK beweist, dass eine Berechnung korrekt ausgeführt wurde – es beweist nicht, dass die Berechnung nützlich, das Modell gut oder die Daten korrekt sind. Verifizierter Müll ist immer noch Müll.
  • ZK beweist nicht, dass ein Token notwendig ist. ZK-Beweise funktionieren ohne eine Blockchain; die Entscheidung, die Verifizierung on-chain zu setzen, ist eine architektonische Wahl.
  • ZK beweist keine Dezentralisierung. Ein zentralisierter Anbieter kann ZK-Beweise für seine eigenen Berechnungen erzeugen.
  • ZK beweist nicht, dass das Modell das behauptete ist, es sei denn, das Modell-Commitment (ein Hash der Gewichte) ist öffentlich verankert und der Beweis ist an dieses Commitment gebunden.
  • Ein Projekt, das ZK in seinem Whitepaper erwähnt, bedeutet nicht, dass ZK implementiert ist. Suche nach bereitgestellten Verifizierer-Contracts, Beweis-Benchmarks und Schaltkreis-Code als Beleg.

Nicht verwechseln mit

  • Privatsphäre – Privatsphäre ist das übergeordnete Ziel. ZK ist ein Werkzeug, um es zu erreichen. Andere Privatsphäre-Mechanismen sind TEE, MPC und homomorphe Verschlüsselung.
  • TEE (Trusted Execution Environment) – TEE bietet hardwarebasierte Vertraulichkeit. ZK bietet mathematische Beweise. Beide können für verifizierbare KI verwendet werden, mit unterschiedlichen Vertrauensannahmen und Leistungskompromissen.
  • zkML – die spezifische Anwendung von ZK-Beweisen auf Machine-Learning-Inferenz. ZK ist die allgemeine kryptografische Technik; zkML ist der spezialisierte Anwendungsfall.
  • Verschlüsselung – Verschlüsselung verbirgt Daten. ZK-Beweise beweisen Aussagen über Daten, ohne sie preiszugeben. Es sind unterschiedliche Operationen: Verschlüsselung wandelt Daten in eine unlesbare Form um, während ZK-Beweise mathematische Belege über Daten erzeugen, ohne sie offenzulegen.
  • Optimistische Verifizierung – nimmt an, dass Ergebnisse korrekt sind, und verwendet Betrugsbeweise nur bei Anfechtung. ZK beweist Korrektheit proaktiv im Voraus. Dies sind komplementäre Ansätze, die in unterschiedlichen L2-Designs verwendet werden (Optimistic Rollups vs. zk-Rollups).

Häufig gestellte Fragen

Was ist der Unterschied zwischen zk-SNARKs und zk-STARKs?

Beide sind Familien von Zero-Knowledge-Beweissystemen, aber sie unterscheiden sich in zentralen Eigenschaften. zk-SNARKs erzeugen kleinere Beweise und haben niedrigere Verifizierungskosten, erfordern aber typischerweise ein Trusted Setup – eine einmalige Zeremonie zur Generierung von Systemparametern. zk-STARKs erfordern kein Trusted Setup (sie sind transparent) und bieten Post-Quanten-Sicherheit, aber ihre Beweise sind größer und teurer zu verifizieren. Die Wahl hängt von der Anwendung ab: SNARKs werden bevorzugt, wenn Beweisgröße und Verifizierungskosten kritisch sind (z. B. On-Chain-Verifizierung), während STARKs bevorzugt werden, wenn Transparenz und langfristige Sicherheit Priorität haben.

Wie werden ZK-Beweise für die Blockchain-Skalierung verwendet?

ZK-Rollups führen Transaktionen off-chain in Batches aus und erzeugen dann einen einzigen ZK-Beweis, dass der gesamte Batch korrekt verarbeitet wurde. Dieser Beweis wird zusammen mit einer komprimierten Zusammenfassung der Zustandsänderungen an die Layer-1-Blockchain übermittelt. Der L1-Smart-Contract verifiziert den Beweis – was viel günstiger ist als die erneute Ausführung aller Transaktionen – und akzeptiert das Zustandsupdate. Dies ermöglicht es dem L1, die Wirkung von Tausenden von Transaktionen zu verarbeiten, indem es einen Beweis verifiziert, was den Durchsatz dramatisch erhöht.

Was ist die Verbindung zwischen ZK und KI?

ZK-Beweise können verifizieren, dass eine KI-Modellinferenz korrekt durchgeführt wurde, ohne das Modell oder die Eingabedaten preiszugeben. Diese Anwendung, zkML genannt, ermöglicht vertrauenslose KI-Verifizierung on-chain: Ein Smart Contract kann bestätigen, dass ein bestimmtes Modell einen bestimmten Output erzeugt hat. Derzeit ist zkML aufgrund der Rechenkosten der Umwandlung von Modelloperationen in ZK-Schaltkreise und der Beweiserzeugung nur für kleine Modelle praktikabel. Mit der Verbesserung der Beweissysteme wird sich die Bandbreite verifizierbarer KI-Modelle erweitern.

Sind ZK-Beweise rechenintensiv?

Die Beweiserzeugung ist teuer – deutlich mehr als die zugrunde liegende Berechnung. Die Erzeugung eines ZK-Beweises für eine Berechnung kann zehn- bis tausendmal länger dauern als das bloße Ausführen der Berechnung. Die Beweisverifizierung ist jedoch günstig und schnell. Diese Asymmetrie ist beabsichtigt: Der Beweiser erledigt die schwere Arbeit einmal, und beliebig viele Verifizierer können das Ergebnis effizient prüfen. Für Blockchain-Anwendungen bedeutet dies, dass die teure Beweiserzeugung off-chain stattfindet, während die günstige Verifizierung on-chain stattfindet.

Externe Referenzen

Siehe auch

No comments to display

Back to top